买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京大学;南京市口腔医院申请的专利一种基于迁移学习的牙周疾病图像分类方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118351367B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410462765.0，技术领域涉及：G06V10/764；该发明授权一种基于迁移学习的牙周疾病图像分类方法和系统是由叶翰嘉;吴子源;周伟;姜远;李厚轩;周志华设计研发完成，并于2024-04-17向国家知识产权局提交的专利申请。

本一种基于迁移学习的牙周疾病图像分类方法和系统在说明书摘要公布了：本发明公开一种基于迁移学习的牙周疾病图像分类方法和系统，包括患者牙周图像的识别与筛选、牙周图像的预处理和数据集制作、预训练模型的获取、基于迁移学习的深度模型训练和更新。首先，获取医院实际拍摄的患者照片序列，并从中识别出患者的牙周正面照片，对识别出的数据进行预处理；然后，基于迁移学习方法，利用牙周数据对预训练模型进行训练与微调，最终得到一个具有泛化性的预测模型。本发明利用迁移学习的方法，使得深度模型在少量数据上仍能达到很好的分类准确率，从而降低数据收集的难度，提升牙周疾病图像识别与分类的准确率。基于端到端的思想，面向原始图片序列自动进行目标图片的识别与预测，从而降低医生的工作量，具有良好的应用前景。

本发明授权一种基于迁移学习的牙周疾病图像分类方法和系统在权利要求书中公布了：1.一种基于迁移学习算法的牙周疾病图像分类方法，其特征在于，包含：端到端的原始数据识别与预处理，预训练模型的准备，基于迁移学习算法在少量牙周图片上训练具有良好泛化性能的模型，以及牙周疾病图像的识别与分类； 端到端的原始数据识别与预处理中：收集患者图像序列；从包含所有患者图像的原始序列中识别患者名牌的位置，分割出每个患者对应的图像子序列，剔除图像子序列尺寸像素中不符合需求的图像，分别计算图像中心裁剪之后RGB通道的均值与方差，并与标准牙周正面图像的均值计算欧氏距离L_1；分别计算图像中心裁剪之后的像素均值，记为L_2；分别计算图像左半图像和右半图像RGB通道的均值与方差，并计算左右图像均值和方差间的欧氏距离L_3；记L＝L_1-L_2+L_3，分别计算图像L值，并从序列中找出最小L所对应的图像，将其作为患者牙周正面图像，记为数据集S_1； 预训练模型的准备中：选择深度学习模型，并将其参数初始化，记为M_0；获取标注数据集，记为H；使用交叉熵损失函数和H中的有标记数据，对于初始模型M_0进行多轮梯度下降和反向传播更新参数，直到模型收敛，此时视为完成训练，将模型记为M_1； 基于迁移学习算法在少量牙周图片上训练具有良好泛化性能的模型中：对于原始数据预处理中所得到的数据集S_1进行标注，获得标注数据集S_2；对于S_2中的数据进行划分、随机尺寸裁剪和增强，形成训练数据集S；按照每个类别样本的数量，为数据集S中的数据生成权重，形成带权数据集S_w；使用交叉熵损失函数和S中的有标记数据，先对于预训练模型M_1进行多轮梯度下降和参数更新；之后，使用带权交叉熵损失函数和S_w中的有标记数据及其权重，对于预训练模型M_1进行进一步的梯度下降和参数更新，将最终训练好的模型记为M_f； 牙周疾病图像的识别与分类中：利用端到端的原始数据识别和预处理步骤重新收集患者图片数据，形成未标注数据集，记为T_1；对于T_1中的数据进行随机尺寸裁剪，形成数据集T，T_1中的每一个原始数据均对应增强后T中的k个数据；取出M_f的fc层，将数据集T中的每个样本输入模型M_f中，得到样本的特征向量；利用得到的样本特征向量和fc层的权重、偏置参数，采用τ-norm的分类方法，计算T中每个样本的输出；将T中对应原始T_1数据集中相同数据的k个样本的输出向量视为一组，并求出k个输出的平均值，将结果中置信度最高的类别作为原始数据对应患者牙周图像的分类判断结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学;南京市口腔医院，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。